公司金融的案例线性回归分析.ppt

●●●● ●●●● ●●0 ●● 回归分析过程 浙江财经学院金融学院 朴哲范  回归分析概迷 ●●●● ●●●● ●●0 ●●● 1.回归方程 回归分析是处理变量κ与y之间统计关系的一种統讣方法和技木。如果 要由ⅹ预测y的值,就要利用x与y的观察值,即样本观测值(ⅹ1,y1), (xn,yn)来建立一个公式,当给定x值后,就代入此公 式中算出一个y值,这个值就称为y的预测值。 如何建立这个公式? (1)绘制散点I (2)建立线性 B 2.回归方程 线性方程式y=α+βx中的参数 β还不知道,这就需要由样本数据 来进行估计,估计出α,β的值后,以估计值分别代替线性方程式中的 α,β,得到方程这个方程就称为回归方程。 这里因为因变量y与自变量x的关系呈线性关系,因此我们也称上述方程 为线性回归方程,α是线性回归方程所画出的直线在y轴上的截距,β 为直线的斜率,它们分别被称作回归常数与回归系数。  建立实际冋题回归模型的过 ●●●● ●●●● ●●0 ●● 具体(社会经济)问题 1.根据研究的目的,设置指标变量 2.搜集整理统计数据 设置指标变量 3.确定理论回归模型的数学形式 搜集整理数据 4.模型参数的估计 构造理论模 5.模型的检验与修改 佔计模型参数 6.回归模型的运用 修改 模型运用 经济因素分析 经济变量控制 经济决策预测  元线性回归 ●●●● 一元线性回归是描述两个变量之间统计关系的最简单的回归橡判8° 例1假定一保险公司希望确定居民住宅火灾造成的损失数额与该住户到最近的 消防站的距脔之间的相关关系,以便准确地确定出保险金额,表1列出了15 起火灾事故的损失及火灾发生地与最近的消防站的距离, 距消费站距离 462.33.15.5 3.0 火灾损失 323.127.536014.1223 距消费站距离 2.6 4.3 2.1 1.16.148 3.8 火灾损失 19631.324017.343.236.426.1 y=Bo+Bx+8 参数的估计 (x,xXy,y)  线性回归方程的显普性检验 ●●●● ●●●● 由子一线位口方役诗论的是变量与之面的线类系,所以最 可以用变量x与v之间的相关系数來检验回归方程的显著性 当r=0时,说明变量之间不存在线性相关关系: 当0r1时,说明变量之间存在一定程度的正相关关系; 当-1r0时,说明变量之间存在一定程度的负相关关系; 当r=1或 1时说明变量之间完全正相关或完全负相关。 设总体Ⅹ和Y的相关系数为r,则检验的原假设和对立假设为 其中零假设表示:假设变量之间不存在线性相关关系。 检验时采用的统计量为 Hn:r=0,H1:r≠0 √n-2r  回归系数的检验和F检验 ●●●● 回归系数的显普性检验就是要检验因变量y对自变量x的影响程度是否显如 果原假设 Ho:B1=0域立,则因变量y与自变量x之间并没有真正的线 性关系,也就是说自变量x的变化对因变量y并没有影响。枃造的t检验统计量 为 F检验对线性回归方程显蓍性的易外一种检验是F检验,F检验是根据平方和分 解式,直接从回归效果检验回归方程的显著性,平方和分解式为 ∑(y-y)=∑6 其中∑(y,-y)称为总平方和,简记ssr ∑(,-y称为回归平方和,简记SR ∑(y,-,)成为残差平方和,简记SSE 因而平方和分解式可以简写为SST=SSR+SSE  F检验及决定系数 ●·。 总平方和反映因变量y的波动程度或称不确定性,在建立了y对x的线昌后 总平方和S就分解成回归平方和SSR与残差平方和SSE这两个组成部分,典中SSR 是由回归方程确定的,也就是由自变量x的波动引起的,SSE是不能用自变量解释 的波动,是由x之外的未加控制的因素引起的。这样,总平方和SST中,能够由自 变量解释的部分为SSR,不能由自变量解释的部分为SSE。这样,回归平方和SSR 越大。回归效果就越好,可以据此枃造F检验统计量 SSR SSE /(n-2) MSE 为1第一个白由为日-2减部单漫下71F统计量服从F分布,第一个自由度 决策的规则是:对于给定的显著水平α,考F=F 2)就接受原假 设,若FF(1,n-2)就拒绝原假设 由回归平方和与残差平方和的意义我们知道,如果在总的离差平方和中,回归 方和所占的比重越大。则线性回归效果就越好,这说明回归直线与样本观测值 拟合优度就越妤:如果残差平方和所占比重大,则回归直线与样本观测值拟合得 就不理想。这里把回归平方和与总离差平方和之比定义为样本觉得系数,记